基于向量空间模型的主题爬虫算法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 相关度计算发展及现状 | 第10-11页 |
| 1.2.2 搜索策略发展以及现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 网络爬虫概述 | 第14-19页 |
| 2.1 通用网络爬虫 | 第14-16页 |
| 2.1.1 通用网络爬虫工作原理 | 第14-15页 |
| 2.1.2 通用网络爬虫的优势及缺陷 | 第15-16页 |
| 2.2 主题网络爬虫 | 第16-18页 |
| 2.2.1 主题网络爬虫工作原理 | 第16-17页 |
| 2.2.2 主题网络爬虫性能瓶颈 | 第17-18页 |
| 2.3 主题爬虫与通用爬虫区别 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 主题网络爬虫算法研究 | 第19-30页 |
| 3.1 主题描述与定义 | 第19-21页 |
| 3.1.1 主题描述方法 | 第19页 |
| 3.1.2 页面分析 | 第19-21页 |
| 3.2 文本相关度计算理论基础 | 第21-23页 |
| 3.2.1 布尔逻辑模型 | 第21-22页 |
| 3.2.2 概率模型 | 第22页 |
| 3.2.3 向量空间模型 | 第22-23页 |
| 3.3 搜索策略 | 第23-26页 |
| 3.3.1 广度优先搜索策略 | 第23-24页 |
| 3.3.2 深度优先搜索策略 | 第24页 |
| 3.3.3 站点搜索策略 | 第24-25页 |
| 3.3.4 基于向量空间模型的主题爬行策略 | 第25-26页 |
| 3.4 网页分析算法 | 第26-29页 |
| 3.4.1 基于网络拓扑的分析算法 | 第27-28页 |
| 3.4.2 基于内容的网页分析算法 | 第28-29页 |
| 3.4.3 基于概念语义的网页分析算法 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 传统向量空间模型的分析与改进 | 第30-36页 |
| 4.1 向量空间模型分析 | 第30-33页 |
| 4.1.1 向量空间模型基本概念 | 第30页 |
| 4.1.2 特征项提取 | 第30-31页 |
| 4.1.3 权重计算 | 第31-32页 |
| 4.1.4 相关度计算 | 第32-33页 |
| 4.2 改进的向量空间模型 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 基于向量空间模型的主题爬虫算法 | 第36-42页 |
| 5.1 区块划分 | 第36-38页 |
| 5.2 基于块的相关性计算 | 第38页 |
| 5.3 基于链接的相关性计算 | 第38-39页 |
| 5.4 HITS算法 | 第39-40页 |
| 5.5 基于向量空间模型的爬行算法 | 第40-41页 |
| 5.6 本章小结 | 第41-42页 |
| 第六章 实验分析 | 第42-47页 |
| 6.1 本文爬虫体系结构 | 第42-43页 |
| 6.2 复杂度分析 | 第43页 |
| 6.3 评价指标与实验环境 | 第43-44页 |
| 6.4 实验结果与分析 | 第44-46页 |
| 6.5 本章小结 | 第46-47页 |
| 第七章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士期间发表的学术论文和科研成果 | 第51-52页 |
| 致谢 | 第52页 |
